2026_DesignAI/officefile/supplements/CC4SI-README.md

Claude Code for Spatial Intelligence and Autonomous Design

空间智能与自主设计：AI原理与实践手册

目标定位：面向空间研究与设计领域的混合读者，以Claude Code为脚手架，帮助理解AI背后的思想、原理和方法，在技术快速迭代的当下建立持久的认知框架。

核心原则：

• 重原理轻操作——关注不变的设计思想，而非易变的命令语法
• 理论与实践均衡——50%概念讲解 + 50%实践案例
• 面向混合读者——兼顾研究者和设计者的不同需求

---

目录结构

CC4SI/
├── README.md                    # 丛书说明
├── BOOK.md                      # 主入口（整合目录）
├── 00-introduction/             # 第一部分：导论
├── 01-foundations/              # 第二部分：基础原理
├── 02-spatial-intelligence/     # 第三部分：空间智能
├── 03-autonomous-design/        # 第四部分：自主设计
├── 04-practice/                 # 第五部分：综合实践
├── 05-reflection/               # 第六部分：反思与展望
├── references/                  # 参考资料
└── examples/                    # 可运行代码示例

---

内容概览

第一部分：导论 (00-introduction)

建立读者对AI在空间领域应用的宏观认知

章节	标题	核心内容
00.1	为什么要读这本书	AI的"黑箱"问题；空间智能的特殊性；原理学习的持久价值
00.2	空间智能是什么	空间认知的层次；从GIS到空间智能；空间推理的本质
00.3	自主设计的含义	Human-in-the-Loop；自动与自主的区别；设计智能的演进
00.4	Claude Code作为脚手架	为什么选择Claude Code；Agent、Skill、Hook的概念；工具中性原则

实践案例00：搭建你的第一个空间AI助手

---

第二部分：基础原理 (01-foundations)

理解现代AI系统的核心设计原理，超越具体工具

章节	标题	核心内容
01.1	智能的模块化视角	为什么需要模块化；函数式组合思想；技能即能力封装
01.2	状态与状态机	状态是什么；为什么状态管理是核心；LangGraph的设计哲学
01.3	概率与不确定性	空间分析中的不确定性；AI如何处理未知；置信度的概念
01.4	反馈与学习	强化学习直觉；奖励函数设计；探索与利用的权衡
01.5	人机协同的原理	HITL的理论基础；何时需要人类介入；信任校准

实践案例01：用LangGraph构建一个简单的空间决策工作流

---

第三部分：空间智能 (02-spatial-intelligence)

理解AI如何"理解"和操作空间

章节	标题	核心内容
02.1	空间表征	栅格 vs 矢量；图表示；多尺度表征；空间索引原理
02.2	空间推理	邻近性分析；连通性；空间关系推理；图算法在空间中的应用
02.3	多准则决策	权重的本质；标准化方法；敏感性分析；专家知识编码
02.4	空间优化	什么可优化；目标函数设计；约束处理；启发式搜索
02.5	不确定性量化	空间不确定性来源；传播分析；可视化；决策稳健性

实践案例02：构建生态系统服务评估Skill 实践案例03：最小累积阻力(MCR)分析的自动化

---

第四部分：自主设计 (03-autonomous-design)

理解自主系统的设计模式和工作流编排

章节	标题	核心内容
03.1	工作流编排原理	DAG（有向无环图）；节点与边；条件分支；错误处理模式
03.2	Agent设计模式	Reflex Agent；Model-based Agent；Goal-based；Utility-based
03.3	技能组合与复用	技能抽象；接口设计；组合模式；技能发现
03.4	记忆与上下文	短期/长期记忆；状态持久化；检索机制；知识库构建
03.5	规划与执行	前向/后向搜索；分层规划；执行监控；重规划

实践案例04：设计一个自主空间分析Agent 实践案例05：实现Human-in-the-Loop审查机制

---

第五部分：综合实践 (04-practice)

通过完整项目将所学整合

项目	描述	涉及章节
项目A	生态源地自动识别与优先级排序	02.1, 02.3, 03.1
项目B	生态阻力面的多准则构建	02.3, 02.5, 03.3
项目C	生态网络的自主分析与优化	02.2, 02.4, 03.4
项目D	带HITL的完整工作流设计	全部章节

---

第六部分：反思与展望 (05-reflection)

培养批判性思维，建立长期视角

章节	标题	核心内容
05.1	AI的局限与幻觉	空间AI可能出错的地方；如何验证；人类专家的不可替代性
05.2	伦理与责任	空间决策的伦理维度；可解释性；问责机制
05.3	技术迭代与持久知识	什么在变；什么不变；如何持续学习
05.4	空间AI的未来方向	空间大模型；多模态；具身智能
05.5	个人知识体系	建立自己的AI工具箱；文档化策略；社区参与

---

如何使用本书

面向研究者

如果你是空间研究领域的学者或学生，建议：

1. 先完成00-introduction，建立宏观认知
2. 重点阅读01-foundations，理解AI设计原理
3. 根据研究需要选择性深入02和03部分
4. 通过04-practice的项目验证理解

面向设计者

如果你是设计实践者或技术实现者，建议：

1. 快速浏览00-introduction
2. 重点关注03-autonomous-design的工作流编排
3. 边读边做，每个实践案例都亲手运行
4. 使用examples目录中的代码作为起点

面向教学者

如果你使用本书作为教学材料：

1. 每章节预留2-3课时（理论+实践）
2. 使用"核心问题"引发讨论
3. 鼓励学生完成"反思与延伸"中的问题
4. 项目A-D可作为期末综合项目

---

环境准备

基础要求

• Python 3.10+
• Claude Code CLI
• QGIS 3.x（可选，用于空间分析）

安装Claude Code

npm install -g @anthropic/claude-code

Python依赖

pip install langgraph langchain-anthropic geopandas rasterio networkx matplotlib

---

写作规范

内容原则

1. 原理优先：先讲"为什么"，再讲"怎么做"
2. 中英双语：专业术语保留英文，解释用中文
3. 代码示例：完整可运行，有注释，说明设计意图
4. 图示辅助：架构图、流程图、概念图优先于纯文字
5. 案例真实：基于ENAgent等实际项目，避免玩具示例

文件命名规范

XX-category/
├── README.md           # 章节导读
├── XX.1-chapter-name.md
├── XX.2-chapter-name.md
└── practice/          # 本章节的实践
    └── practice-name/

Markdown模板

每章节遵循以下结构：

# 章节标题

## 核心问题
（用1-2个问题引导读者思考）

## 概念讲解
（原理阐述，配合图示）

## 设计原理
（为什么这样设计，权衡是什么）

## 代码示例
```python
# 可运行代码，有详细注释

案例分析

（真实项目的相关代码解析）

反思与延伸

（启发思考的问题）

参考资料

（相关阅读）

---

## 贡献指南

本书是开源项目，欢迎贡献：

1. **报告问题**：在Issues中指出错误或改进建议
2. **提交内容**：Fork后创建分支，提交PR
3. **讨论案例**：分享你的实践经验和案例

---

## 许可证

CC BY-NC-SA 4.0 - 允许非商业使用和修改，需署名并以相同方式共享

---

## 版本历史

- v0.1.0 (2025-01) - 初始版本，框架搭建完成